Az epilepszia a legnehezebben kezelhető betegségek közé sorolható, méghozzá azért, mert annyi fajtája létezik, hogy nagyjából lehetetlen egyetlen gyógyszert kifejleszteni rá. Ráadásul egy betegnek élete során is változhat annyit az állapota, hogy az először beállított gyógyszer már nem lesz hatékony nála, és újabb gyógyszert, esetleg újabb adagolást kell keresni, hogy megszűnjenek a rohamai.
A betegség kezelése éppen ezért többlépcsős kihívás: először meg kell állapítani az epilepszia fajtáját, majd ki kell választani hozzá a megfelelő gyógyszert, meghatározni annak adagját és gyakoriságát, aztán ezt rendszeresen ellenőrizni, hogy még mindig olyan hatékony-e, mint amikor felírták. Az lenne az ideális, ha egy orvos, aki tisztában van a beteg speciális kórképével, a nap 24 órájában ott lenne a beteggel, és figyelné a változásokat – ez persze nem valósítható meg, ezért szenvednek nagyon sokan annyira az epilepszia tüneteitől. A betegség ugyanis sokakat érint: az egész világpopuláció 1 százalékát, és a lelki terheken, az életminőség romlásán kívül az anyagi költségek sem elhanyagolhatók.
Mélytanulással előre megjósolhatók a rohamok
Itt jön a képbe a mesterséges intelligencia és a mélytanulás, ami megvalósíthatja a 24/7-es megfigyelést, és azt, hogy előre jelezhetők legyenek a rohamok. Így az olyan emberek számára is segítséget jelenthet a rendszer, aki nem engedheti meg magának a gyógyszeres kezelést, vagy nincs a betegségükre megfelelő gyógyszer. Természetesen a roham akkor sem előzhető meg, ha tudunk róla, viszont az ember abba tudja hagyni az olyan, potenciálisan ön- és közveszélyes tevékenységeket, mint például a vezetés.
„A deep learning a mesterséges intelligencia olyan fajtája, amely kifejezetten jó abban, hogy zajos, nagy mennyiségű, rendezetlen adatból információkat és mintákat nyerjen ki” – mondta el dr. Stefan Harrer, az IBM kutatója, aki egy olyan epilepsziát monitorozó videós rendszert tervez kollégáival, ami képes lesz valós időben monitorozni a rohamokat, majd később meg is jósolni őket.
Harrer az IBM rüschlikoni kutatóközpontjában tartott előadást arról, hol tart a technológia, és min dolgoznak éppen a kutatócsoporttal. „Szenzorokkal kiegészítve a gépi tanulásos technológiát arra lehet használni, hogy valós időben monitorozza és analizálja az epilepsziás betegtől beérkező méréseket.”
A kutató kiemelte, hogy az ilyen technológiával megállapítható, milyen epilepsziás rohamról van szó, és egy egész adatbázist lehet készíteni a beteg rohamainak intenzitásáról, gyakoriságáról, és a megelőző jelekről. Később ez lehetővé teszi, hogy a gép meg tudja jósolni a következő roham érkezését.
Nem muszáj a gépnek a beteget sokáig monitoroznia – az IBM olyan mélytanulásos neurális hálózatot épít, ami már a meglévő, korábban összegyűjtött adatokból is képes dolgozni. Ezek segítségével a személyre szabható orvoslás egy új formája érhető el: egy olyan személyes asszisztens, ami segít a rohamok kontrollálásában és elemzésében is.
Bizonyították, hogy működik a módszer
Az algoritmus EEG-adatok alapján dolgozik, ami egy elektrofiziológiai mérőeszköz, mely az idegsejtek elektromos aktivitásának regisztrálására szolgál valós időben. A monitorozó eszköznek először is meg kell különböztetnie a normál EEG-t az abnormálistól, vagyis fel kell ismernie, ha a betegnek éppen epilepsziás rohama van. A folyamatot az is nehezíti, hogy nem minden, a normálistól eltérő EEG-jel jelent rohamot. „Ezek után rögzítenie kell egyéb információkat is: az intenzitását, milyen sokáig tartott, egymás után több volt-e, vagy csak egy. Ez az a lépés, ami segít majd abban, hogy meg tudjuk állapítani, mikor jönnek majd a rohamok” – mondta Harrer.
A rendszer működéséhez szükséges információkat többféleképpen kinyerhetők: noninvazív eljárással, amikor a fejbőrre helyeznek érzékelőket, de invazív módszerrel is, ami egy, az agyba ültetett szenzort jelent. A begyűjtött adatok egy olyan feldolgozó eszközbe kerülnek, ami mindig a beteggel van, ezen már futnak mesterséges intelligenciát használó modulok, és valós időben elemzik a történéseket. „Kiválasztják a tűt a szénakazalból, megtalálják a rohamokra utaló mintákat, az adatokat pedig helyben tárolhatják, vagy felküldhetik egy felhőszolgáltatásba is” – mondta dr. Harrer.
Az eljárás ráadásul már nem csak elméletben létezik: két megvalósíthatósági kutatás is készült rá, az egyik az epilepsziás rohamok előre jósolásával kapcsolatban, ami azoknak lehet nagyon fontos, akik nem jutnak hozzá megfelelő gyógyszerhez a betegségük kezelésére. Nekik élet-halál kérdése lehet az, hogy időben értesüljenek egy közelgő rohamról. A kutatás során bebizonyították, hogy sikerülhet viselhető, valós idejű, betegspecifikus rendszert létrehozni, ami ugyan még nem kész a bevetésre, de bizonyíték arra, hogy lehetséges egy ilyet működtetni.
„Nem elég, ha meg tudjuk csinálni az algoritmust a szuperszámítógépünkön, vagy pár napig egy laborban. Sikerült bebizonyítanunk, hogy minden egyes betegnek van egy olyan sajátos rohammintája, amit a számítógép fel tud ismerni, és előre tud jelezni” – mondta a kutató. A kísérlet már két és fél éve zajlik, a rendszer pedig folyamatosan javul.
Még mindig sok mindenen kell javítanunk, hogy élesben is bevethessük a technológiát, hatékonyabbnak kell lennie, és a szabályozást is világosan le kell fektetni hozzá. És persze a klinikai kutatások is hátra vannak.
A tanulság azonban az, hogy ez egy működő koncepció, és olyan megoldást nyújthat, aminél izgalmasabbal nem találkoztam mostanában” – jegyezte meg dr. Harrer.
Az első kutatások beépített agyi implantátumokból nyert adatokkal dolgoztak, most viszont olyan kísérletek folynak, amik során fejbőrön keresztül mért információkkal tanítják a rendszert. Az első eredmények pedig ígéretesek: a rendszer 90 százalékos biztonsággal meg tudja különböztetni a normál EEG-jeleket a rohamokra utalóktól. Ha ez is olyan sikeres lesz, mint az első körös kutatás, egy olyan megoldást jelenthet az epilepsziások számára, ami lényegesen javíthatja az életminőségüket, és rengeteg feleslegesen kidobott pénzt spórolhat majd számukra.
Főkép: egy svájci kutatás során a tudatos gondolatokat tanulmányozzák EEG segítségével. Fotó: AMELIE-BENOIST / BSIP
